Безкоштовні альтернативи електронному пізнанню? [зачинено]

Хтось знає якісь хороші безкоштовні альтернативи електронному пізнанню?

Мені потрібно зробити сегментацію та класифікацію зображень. Я спробував тест на екологічне пізнання, і це було дійсно добре. Я роблю роботу з SPRING, але це має багато обмежень ...

Чи є плагін qgis?

Ви можете спробувати Orfeo Toolbox .

OTB базується на бібліотеці медичної обробки зображень ITK і пропонує особливі функції для обробки зображень дистанційного зондування в цілому і зокрема для зображень з високим просторовим дозволом. Доступні цільові алгоритми для оптичних зображень високої роздільної здатності (SPOT, Quickbird, Worldview, Landsat, Ikonos), гіперспектральних датчиків (Hyperion) або SAR (TerraSarX, ERS, Palsar).

Серед її документально підтверджених можливостей:

• оптимізований доступ для читання / запису для більшості форматів зображення дистанційного зондування, доступу до метаданих, візуалізації;
• стандартна попередня обробка дистанційного зондування: радіометричні корекції, орторектифікація; фільтрація: розмивання, позначання, посилення;
• вилучення функції: точки інтересів, вирівнювання, лінії;
• Сегментація зображень: зростаючий регіон, вододіл, набори рівнів
• класифікація: К-засоби, СВМ, Маркові випадкові поля;
• виявлення змін;
• вилучення інформації для інтеграції в системи ГІС та картографування.

Я збирався запропонувати ВЕСНУ. ВЕСНА, хоча це незграбне програмне забезпечення, це дуже добре в тому, що він пропонує. Він має дуже цікаві алгоритми.

Можливо, GRASS впорається із завданням, але AFAIK, GRASS - це здебільшого пакет командного рядка.

У GRASS-GIS версії 7.0 (пакет FOSS - не тільки безкоштовна), все ж версія розробки, хоча повністю працююча і більш-менш для виробничих робочих процесів готова, є i.segment . Детальніше про модуль та його реалізацію на спеціальній сторінці GRASS-Wiki (разом із деякими зразками скріншотів ).

У своєму поточному стані модуль робить (відповідно до посібника модуля):

This segmentation algorithm sequentially examines all current segments in the raster map. The similarity between the current segment and each of its neighbors is calculated according to the given distance formula. Segments will be merged if they meet a number of criteria, including:

 1. The pair is mutually most similar to each other (the similarity distance will be smaller than to any other neighbor), 
 2. The similarity must be lower than the input threshold. The process is repeated until no merges are made during a complete pass.

Якби я був ти, я б спробував шукати щось, що являє собою графічний інтерфейс для OpenCV, у якому є алгоритми сегментації, але я не впевнений, чи вони доступні для не розробника. Деякі його функції ми використовували для нашого класифікатора для QGIS (плагін DTClassifier).

SAGA GIS також забезпечує "просте зростання регіонів", "швидке зростання регіонів" та "сегментацію вододілів". Документація недоступна, але я підготую відеоурок для своїх учнів у наступні дні. Я буду публікувати тут, якщо буде готово.

завантажити GAG для SAGA можна тут: http://sourceforge.net/projects/saga-gis/files/SAGA%20-%202.0/

2.08 є стабільною, старша версія 2.1 все ще трохи нестабільна, але має більше функцій.

для "легких" вступів до SAGA пропоную переглянути відео на YouTube